Resumen de Comparative methodology of non-linear models for predicting rheological properties of rubber mixtures in industrial lines
Rubén Urraca Valle, Enrique Sodupe Ortega, Francisco Javier Antoñanzas Torres, Eduardo Alonso García, Andrés Sanz García, Francisco Javier Martínez de Pisón Ascacíbar
- español
La minería de datos y la estadística son aplicadas para predecir ciertas propiedadesde las mezclas de goma extruida. Estas propiedades están asociadas a sus curvas decurado utilizando datos procedentes de la fase de mezclado al comienzo del proceso.El principal objetivo es obtener automáticamente un modelo que proporcione a lostrabajadores puntos de consigna precisos para controlar el proceso de mezcla. Lostrabajadores serían capaces de anticiparse a posibles fallos en la calidad de la mezclade goma vulcanizada.Existen varias estrategias para desarrollar modelos óptimos. En este trabajo sepropone una metodología para optimizar la extracción de información de los datosdisponibles. En primer lugar se analizan las características de la base de datosbuscando información útil para el entrenamiento de modelos. En segundo lugar, selleva a cabo una amplia comparativa de diferentes modelos no paramétricos paradeterminar cuál el más apropiado. En vez de comparar directamente los errores depredicción, se incluye un sistema automático de comparación basado en el uso devarias técnicas no paramétricas. Por último, se analizan otras estrategias alternativasque tratan de aprovechar la información obtenida en la fase de análisis de lasvariables.
- English
Data mining and statistics are applied to predict certain of the properties of rubber-extruded mixtures. These properties are associated to their cure curves using datafrom the mixing phase at the beginning of the process. The main goal is toautomatically obtain the model that provides operators accurate set points to controlmixing process. The operators would be able to anticipate possible failures in thequality of vulcanized rubber mixture.There are several strategies to develop optimum models. This work proposes thefollowing methodology to optimize the information extraction from the available data.First, an initial analysis of database attributes is performed seeking for significantinformation to future model derivation. Second, a wide comparison of different non-parametric methods is carried out to determine which one is the most appropriate.Instead of directly contrasting prediction errors, an automatic statistical system ofcomparison is included by using several non-parametric techniques. Third, somealternative strategies are tested taking advantage of the specific attributes of thedatabase.
